买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

摘要：本发明涉及电力技术领域，涉及一种自下而上的输电变电站日前负荷概率预测方法，包括：以待预测变电站下属的中压配电变电站历史负荷曲线为基础，归一化后形成待聚类的中压配变负荷曲线数据集；对待聚类中压配电变电站负荷曲线进行聚类，将属于同一类的未归一化前的中压配电变电站负荷曲线进行累加，形成各类中压配电变电站历史负荷总和曲线；获取历史累加误差曲线；获取预测均值与预测方差；根据步各类中压配电变电站负荷以及累加误差的日前预测均值与预测方差，以累加方式获取输电变电站日前负荷预测均值与预测方差，并形成预测区间。本发明能有效克服现有方法的不足，能更准确地估计变电站负荷预测结果中的不确定性，并给出较窄的预测区间。

主权项：1.一种自下而上的输电变电站日前负荷概率预测方法，其特征在于，具体包括如下步骤：S1：以待预测变电站下属的中压配电变电站历史负荷曲线为基础，归一化后形成待聚类的中压配变负荷曲线数据集；S2：采用K-means算法对待聚类中压配电变电站负荷曲线进行聚类，获得中压配电变电站负荷聚类结果，将属于同一类的未归一化前的中压配电变电站负荷曲线进行累加，形成各类中压配电变电站历史负荷总和曲线；S3：根据各类中压配电变电站历史负荷总和曲线，以及输电变电站历史负荷曲线，获取历史累加误差曲线；S4：根据各类中压配电变电站历史负荷总和曲线，以及历史累加误差曲线，采用基于前馈神经网络的概率负荷预测方法对各类中压配电变电站的日前负荷以及日前累加误差进行预测，获取预测均值与预测方差；S5：根据步各类中压配电变电站负荷以及累加误差的日前预测均值与预测方差，以累加方式获取输电变电站日前负荷预测均值与预测方差，并形成预测区间；步骤S4具体为：给定一个包含N对输入与输出的训练集： 其中，xi＝[xi1,xi2,...,xid]是输入，yi是训练集的目标，一个具有nr个隐藏节点和激活函数g·的前馈神经网络表示为： 其中，wj＝[wj1,wj2,...,wjd]T为连接第j个隐藏节点和输入节点的权重向量，βj为连接第j个隐藏节点和输出节点的权重向量，bj为第j个隐藏节点的阈值，fxi；w,b,β为FNN的输出；当采用训练好的网络来预测t时刻的日前负荷值时，选择过去d天中t时刻的历史负荷值作为网络的输入xt，输入时间跨度d采用遍历法进行确定；给定一个包含Ntest组输入输出的测试集其中xt＝[xt1,xt2,...,xtd]为输入，yt为实际负荷值，Ntest为测试样本数，在具体输入xt的情况下，对实际负荷值yt的预测用fxt；w,b,β表示；在t时刻，实际负荷值yt被表示为预测值和预测误差εt之和，即： 其中，预测误差εt由模型误差和数据误差造成，εt被表示为以上两类误差的和，即：εt＝εm,t+εd,t8其中，εm,t是模型参数、结构带来的误差，εd,t则是数据噪声带来的误差；公式8中的模型误差与数据噪声误差的方差和总的预测误差的方差之间的关系被表示为： 其中，为对应的模型误差εm,t的方差，为对应的数据噪声误差εd,t的方差；采用相同的数据集训练具有随机初始权重和初始阈值的B个网络来预测t时刻的负荷，假设是第h个网络给出的预测值，则所有B个网络给出的预测值的平均值表示为： 将作为对t时刻负荷的点预测结果；基于通过B个网络的输出来估计模型误差的方差如下： 对于数据噪声方差，基于训练输入集变量xi，历史数据中的噪声方差估计如下： 基于B个已训练的网络，如果是第h个网络给出的对yi的估计值，则历史数据噪声方差通过以下公式计算： 为了得到t时刻的日前数据噪声方差，通过将训练集D中的训练输出yi替换为则得到一个新的训练集： 在输入xt的情况下，根据公式6，采用训练集Dd训练的前馈神经网络预测数据噪声方差得到任意t时刻的日前中压概率负荷预测结果，其中包括确定性预测和预测方差给出一个训练集： 其中，εa,i＝[εa,i1,εa,i2,...,εa,id]是历史上的累加误差，是对应的日前累加误差；根据公式6至14所示的步骤计算得到累加误差的点预测值以及预测误差的方差所述步骤S5具体为：如果是第l条中压出线或第l个中压配变负荷的日前预测结果的均值，则高压变电站的日前负荷点预测结果的均值被表示为： 如果是第l条中压出线或第l个中压配变负荷的日前预测结果的方差，则高压变电站的日前负荷点预测结果的方差被表示为： 根据压变电站的日前负荷点预测结果的均值和方差t时刻的置信度为1001-α％的预测区间被表示为： 其中，预测上限和预测下限由下式计算： 其中，z1-α2表示标准高斯分布的临界值。

全文数据：

权利要求：

百度查询： 国网浙江省电力有限公司 国网浙江省电力有限公司金华供电公司 一种自下而上的输电变电站日前负荷概率预测方法